Klasifikasi sentimen terhadap aplikasi kursus online menggunakan metode Support Vector Machine

ABSTRAK:

Kursus online merupakan metode pembelajaran berbasis elektronik dengan memanfaatkan teknologi atau berbasis komputer. Salah satu aplikasi kursus online yang banyak dikenal saat ini adalah aplikasi Ruangguru. Salah satu cara mengetahui keberhasilan suatu aplikasi adalah dengan melakukan klasifikasi sentimen terhadap aplikasi tersebut. Sentimen diambil dari ulasan pengguna aplikasi Ruangguru pada Google Play Store sebanyak 1500 ulasan. Penelitian ini menggunakan metode Support Vector Machine (SVM) dan Lexicon Based. SVM merupakan salah satu metode yang terbaik dalam mengklasifikasikan ulasan. Untuk pelabelan ulasan dalam jumlah banyak dari pengguna membutuhkan waktu yang lama, oleh karena itu peneliti menggunakan pelabelan menggunakan pendekatan Lexicon Based dengan InSet Lexicon dan Vader Sentimen. Penelitian dimulai dengan pengumpulan data dari Google Play Store, preprocessing data mentah dan tidak terstruktur menjadi data siap pakai, pelabelan data dengan Lexicon Based, pembobotan dengan TF-IDF, pemrosesan menggunakan SVM, dan mengevaluasi model kinerja algoritma dengan Confusion Matrix. Tujuan dari penlitian ini yaitu mengukur akurai, presisi, dan recall pada klasifikasi ulasan. InSet Lexicon menghasilkan ulasan positif sebanyak 918 ulasan, netral 300 ulasan, dan negatif 282 ulasan. Sedangkan Vader sentiment menghasilkan ulasan positif sebanyak 1069 ulasan, netral 201 ulasan, dan negatif 230 ulasan. Hasil terbaik dari klasifikasi ulasan menggunakan SVM dan Lexicon Based menghasilkan nilai akurasi 89,76%, nilai precision 98,14%, dan nilai recall 90,56% dengan menggunakan fungsi kernel linear dan pelabelan menggunakan Vader Sentimen.

ABSTRACT:

Online course is an electronic-based learning method by utilizing technology orcomputer-based. One of the widely known online course applications today is theRuangguru application. One way to determine the success of an application is to classifythe sentiments of the application. Sentiment is taken from user reviews of the Ruangguruapplication on the Google Play Store with a total of 1500 reviews. This study uses theSupport Vector Machine (SVM) and Lexicon Based methods. SVM is one of the bestmethods for classifying reviews. For labeling a large number of reviews from users it takesa long time, therefore researchers use labeling using a Lexicon Based approach with InSetLexicon and Vader Sentiment. The research begins with collecting data from the GooglePlay Store, preprocessing raw and unstructured data into ready-to-use data, labeling datawith Lexicon Based, weighting with TF-IDF, processing using SVM, and evaluatingalgorithm performance models with Confusion Matrix. The purpose of this research is tomeasure accuracy, precision, and recall in review classifications. InSet Lexicon generated918 positive reviews, 300 neutral reviews, and 282 negative reviews. While Vadersentiment generated 1069 positive reviews, 201 neutral reviews, and 230 negative reviews.The best results from review classification using SVM and Lexicon Based resulted in anaccuracy value of 89.76%, a precision value of 98.14%, and a recall value of 90.56% usingthe linear kernel function and labeling using Sentiment Vader.

مستخلص البحث:

التعلم اإللكرتوين هو أسلوب التعلماإللكرتوين من خالل االستفادة من التكنولوجيا أو الكمبيوتر. أحد تطبيقات التعلماإللكرتوين املعروفة اليوم هو تطبيقRuangguru.تتمثل إحدى طرق حتديد مدى جناح التطبيق يف تصنيف مشاعر التطبيق. متأخذ املشاعر من مراجعات املستخدمني لتطبيقRuangguruعلىمتجرGoogle Playإبمجايل1500مراجعة. تستخدمهذه الدراسة أساليب دعم املتجهات(SVM)والطرق املعتمدة على املعجم. يعدSVMأحد أفضل الطرق لتصنيف املراجعات.يستغرق األمر وقتًا طويال ً لتصنيف عدد كبري من املراجعات من املستخدمني ، لذلك يستخدم الباحثون وضع العالمات ابستخدامهنجقائم على املعجم معInSet LexiconوVader Sentimen.يبدأ البحث جبمع البياانت من متجرGooglePlay، واملعاجلة املسبقة للبياانت اخلام وغري املهيكلة يف بياانت جاهزة لالستخدام ، ووضع العالمات على البياانت ابستخداماملعجم ، والوزن ابستخدامTF-IDF، واملعاجلة ابستخدامSVM، وتقييم مناذج أداء اخلوارزمية ابستخدام مصفوفة االرتباك.الغرض من هذا البحث هو قياس الدقة والدقة والتذكر يف تصنيفات املراجعة.أنتجInSet Lexicon 918تقييمًا إجيابيًا و300مراجعة حمايدة و282مراجعة سلبية. بينما أنتجت مشاعر فيدر1069تقييمًا إجيابيًا و201تقييمًا حمايدًا و230تقييمًاسلبيًا. نتج عن أفضل النتائج من تصنيف املراجعة ابستخدامSVMوLexicon Basedقيمة دقة89.76٪ وقيمة دقة98.14٪ وقيمة استدعاء90.56٪ ابستخدامدالةkernelاخلطية ووضع العالماتباستخدامSentiment Vader.أظهرت النتائج أن اجلمعبينSVMوLexicon Basedيعمل بشكل جيد